第21课　借用机器学习工具箱——认识sklearn

单元六

第21课　借用机器学习工具箱——认识sklearn

一、任务目标

理解 sklearn 等工具箱提供现成的训练与预测接口，本课只要求认识「拟合—预测」用法，不要求推导算法公式。

二、我们要学什么

学习要点：借用机器学习工具箱｜认识sklearn
本课过关：能完成：说出工具箱把训练封装成可调用步骤；指出先准备带标签数据，再 fit，再对新年预测；能说明仍须把测试与训练分开。
示例对齐：体验题对应本课「编程体验」；完整代码对应编程题1；补全与独立编写对应编程题2–3。均在 Mixly 图形化积木中完成。

三、本节要点

本课要认识现成工具箱。重难点是会调用接口、仍要自己准备数据和测试，而不是把工具箱当成魔法。要点对齐「借用机器学习工具箱｜认识sklearn」。

1读场景明确真实任务

2对要点借用机器学习工具箱｜认识sklearn

3载入运行图形化积木

四、解题思路

任务：认识用工具箱完成一次拟合与预测。请分清：数据仍要自己准备，公式不必手推。

本课主要用到：Mixly 图形化积木与屏幕输出。

1明确任务「调用现成接口」：先有带标签数据，再训练，再预测。
2按工具箱的拟合、预测顺序调用。
3用未参与训练的样本检查，确认不是背题。

流程示意（可对照左侧文字）

五、图形块功能讲解

下面只列出本课首次出现的 Mixly 图形块（真积木截图）。已在前面课讲过的不再重复；先认新块，再点「载入」对照拖搭。

图形块	分类	作用	本课用法
	机器学习	用已标注数据学习（fit）。	本课编程练习中首次使用，载入后可在工具箱对照。
	机器学习	创建近邻模型，用于分类或回归。	本课编程练习中首次使用，载入后可在工具箱对照。

六、知识点讲解

机器学习工具箱把常用算法做成可调用接口：准备好带标签数据后拟合，再对新例子预测。本课只认识「拟合—预测」两步，不推导内部公式。数据和测试仍须自己把关，工具箱不能代替。

先弄清：工具箱能调用，数据与测试不能省；再进练习对照一次预测。

七、编程练习

用下拉列表切换题目；下方 Mixly 默认显示图形化积木。请在 Mixly 工具栏点「运行」；「检查」读取 Mixly 代码自动判题。请先读本页「四、解题思路」与「五、图形块功能讲解」，再点载入。

选择题目

参考代码（对照抄写到下方 Mixly）

from sklearn.neighbors import KNeighborsClassifier

def sk_train(X, y):
    clf = KNeighborsClassifier(n_neighbors=1)
    clf.fit(X, y)
    return clf

def sk_accuracy(clf, X, y_true):
    return clf.score(X, y_true)

# 兴趣近邻：左下 A 组，右上 B 组
X = [[1, 1], [2, 1], [8, 8], [9, 8]]
y = ["A组", "A组", "B组", "B组"]
model = sk_train(X, y)
print(model.predict([[1, 2]]))
print(sk_accuracy(model, [[2, 2], [8, 9]], ["A组", "B组"]))

九、本节小结

本课主题是认识工具箱：用现成接口完成拟合与预测。不必手推公式，但训练与测试仍要分开。